Quran Intelligent Ontology Construction Approach Using Association Rules Mining
Ferhat Abbas University（费哈特·阿巴斯大学）；College of Sciences（理学院）；College of computer & Information Sciences（计算机与信息科学学院）；King Saud University（沙特国王大学）
本体可以看作是知识的形式化表示。它们已经在许多人工智能研究中被研究，包括语义网、软件工程和信息检索。本体的目的是开发可共享和重用的知识表示。这个研究项目关注的是使用关联规则来提取古兰经本体。从古兰经经文的本体的手动收购可能是非常昂贵的，因此，我们需要一个智能系统，古兰经本体建设使用基于模式的计划和关联规则，发现古兰经的概念和语义关系，从古兰经经文。我们的系统是基于统计学和语言学方法相结合，从古兰经中提取概念和概念关系。特别是，一种基于语言模式的方法被用来提取特定的概念从古兰经，而概念关系的基础上发现的关联规则技术。古兰经本体将提供古兰经知识的新的和强大的表示，关联规则将有助于表示古兰经本体中所有类别的连接概念之间的关系。
2020-08-10 cs.CL
Information retrieval in folktales using natural language processing
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）
我们的目标是从非结构化文本中提取文学人物的信息。我们对领域本体进行自然语言处理和推理。第一个任务是确定主要人物和故事中这些人物被描述或表演的部分。我们说明了在民间故事领域的一个场景中的系统。该系统依赖于一个民间故事本体，我们已经开发的基础上Propp的模型的民间故事形态。
2015-11-10 cs.AI cs.CL cs.IR
Using Arabic Wordnet for semantic indexation in information retrieval system
University Abou Bekr Belkaid（阿布·贝克尔·贝尔卡伊德大学）
在阿拉伯语本体论指导下的阿拉伯语信息检索系统（IRS）中，为了使IRS更好地响应用户需求，本文旨在利用从阿拉伯语Wordnet中提取的最佳概念来表示文档和查询。从文档和查询中提取属于阿拉伯语WordNet同义词集的已识别概念，并扩展具有单一意义的概念。然后，IRS使用扩展的查询来检索所搜索的相关文档。我们的实验主要基于一个中等规模的阿拉伯语语料库。所获得的结果表明，阿拉伯IRS的性能在全球范围内有所改善。
2013-06-19 cs.CL cs.IR
Using Entropy Estimates for DAG-Based Ontologies
Virginia Tech（弗吉尼亚理工大学）；University of São Paulo（圣保罗大学）
动机：层次结构上的熵测量已经被用于信息检索和自然语言建模的方法中。在这里，我们探讨其应用语义相似性。通过查找共享的本体术语，可以在注释的基因之间建立语义相似性。建立语义相似性的一个常见过程是计算本体术语的相似性（信息内容），并使用这些值来确定注释的相似性。大多数情况下，通过分析本体术语在注释语料库中的频率来计算本体术语的信息内容。使用这些值来模拟功能相似性的固有问题激励了我们的工作。摘要：我们提出了一种新的计算建立基于DAG的本体的熵，它可以用于建立其条款的信息内容的替代方法。我们还比较了我们的IC指标，其他两个使用语义和序列相似性。
2017-06-19 cs.CL
FlyAOC: Evaluating Agentic Ontology Curation of Drosophila Scientific Knowledge Bases
University of Michigan（密歇根大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of California, Berkeley（加州大学伯克利分校）；University of Washington（华盛顿大学）
FlyAOC通过FlyBench评估AI代理在从科学文献中进行端到端本体编纂的能力，发现多代理设计性能更优，但模型规模扩大效益递减。
2026-09-28 cs.AI cs.CL cs.IR
On the Merging of Domain-Specific Heterogeneous Ontologies using Wordnet and Web Pattern-based Queries
Faculty of Information Technology（信息技术学院）；Faculty of Computer Science（计算机科学学院）；Monash University（莫纳什大学）；University of Lyon（里昂大学）
本体构成了各种计算机科学学科的基本兴趣，如语义网，信息检索，数据库设计等，它们旨在提供一个正式的，明确的和共享的概念化和不同社区之间的共同领域的理解。此外，它们允许明确定义特定领域的概念及其约束。然而，本体开发的分布式特性和本体工程师观点的差异导致了本体之间的“语义异构性”。语义异构性是实现本体间互操作性的主要障碍。为了克服这一障碍，我们提出了一个多用途的框架，利用WordNet通用知识库：i）发现和纠正不正确的语义关系的概念之间的本体在一个特定的领域。该步骤是本体合并的一个基本步骤。ii）通过计算概念之间的语义关系来合并特定领域的本体。㈢通过在网上获取统计资料，处理WordNet中缺少概念的问题。4.用这些缺失的概念丰富WordNet。一个实验性的框架实例和比较国家的最先进的语法和语义为基础的系统验证我们的建议。
2020-04-30 cs.AI cs.CL cs.IR
A Generalized Framework for Ontology-Based Information Retrieval Application to a public-transportation system
在本文中，我们提出了一个通用的框架，基于本体的信息检索。我们专注于从数据源中提取的语义信息的识别和这些知识到本体的映射。为了实现更大的可扩展性，我们提出了一种基于实体检索模型的语义索引方法。此外，我们使用本体的公共交通领域，以验证这些建议。最后，我们评估我们的系统使用本体映射和现实世界的数据源。实验表明，我们的框架可以提供有意义的搜索结果。
2014-09-02 cs.IR
An Ontology-based Model for Indexing and Retrieval
本文从信息检索中一个尚未解决的问题出发，提出了一种基于本体的索引和检索模型。该模型将认知-解释索引语言的方法和经验与形式化知识表示的优势和可能性相结合。该模型的核心组件使用沿着知识表示的实体之间的类型化关系的路径的推理，以使得能够在检索过程的上下文中确定命中量。实体被安排在面向方面的方面，以确保一致的层次结构。索引和检索的可能后果进行了讨论。
2013-12-16 cs.IR
W-RAG: Source-Aware Retrieval for Enterprise Document Generation from Heterogeneous Knowledge Bases
The University of Texas at Dallas（德克萨斯大学达拉斯分校）；DIGITAL MANAGEMENT, LLC (DMI)；Massachusetts Institute of Technology（麻省理工学院）
针对异构知识库下企业文档生成中全局排序导致的上下文失衡问题，提出源感知检索框架W-RAG，引入相关数据集并验证其可提升文档覆盖率与生成质量。
2026-08-25 cs.CL cs.IR cs.SE
WordNet-Based Information Retrieval Using Common Hypernyms and Combined Features
HCMC University of Technology（胡志明市理工大学）；John von Neumann Institute（约翰·冯·诺依曼研究所）
基于关键词词汇匹配的文本搜索由于词的多义和同义而不能令人满意。一般来说，利用单词含义的语义搜索提高了搜索性能。在本文中，我们调查基于WordNet的信息检索系统，它采用了词义消歧的方法来处理查询和文档。问题是，在许多情况下，一个词有不止一个可能的直接意义，只选择其中一个可能会给这个词一个错误的意义。此外，以前的系统只使用词的形式来表示词义及其上位词。我们提出了一种新的方法，使用最具体的共同上位词的剩余未消歧的多个意义的一个词，以及组合WordNet功能来表示词义。在一个基准数据集上的实验表明，在MAP度量方面，我们的搜索引擎比词法搜索好17.7%，比使用WordNet的所有调查搜索系统至少好9.4%。本体，词义消歧，语义标注，语义搜索。
2018-07-15 cs.CL cs.IR
Comprehensive Review on Semantic Information Retrieval and Ontology Engineering
本文围绕态势感知系统的知识整合与环境适应需求，对语义信息检索与本体工程进行快速综述，指出本体推理凭借正式灵活可扩展的知识框架可解决传统系统的局限，并梳理了新兴挑战与未来研究方向。
2023-07-25 cs.IR
COfEE: A Comprehensive Ontology for Event Extraction from text
School of ECE, College of Engineering, University of Tehran（德黑兰大学工程学院电气与计算机工程学院）
随着时间的推移，数据会大量发布在网络上，但大多数数据都是非结构化的，因此很难理解和解释。信息抽取（IE）方法从非结构化数据中获取结构化信息。IE的一个挑战性任务是事件提取（EE），它试图从文本中获取有关特定事件及其参与者的信息。EE在许多领域都很有用，例如建立知识库、信息检索和摘要。在过去的几十年里，一些事件本体论，如ACE，CAMEO和ICEWS被开发出来，以定义文本中观察到的事件的形式，演员和维度。这些事件本体还存在一些不足，如只涵盖政治事件等少数主题，在定义论点角色方面结构不灵活，缺乏金标准数据。为了解决这些问题，我们提出了一个事件本体，即COfEE，它结合了专家领域的知识和数据驱动的方法，从文本中识别事件。COfEE包括两个层次（事件类型和事件子类型），其中包括与环境问题、网络空间和犯罪活动有关的新类别，需要立即监测。此外，根据每个事件子类型定义动态角色，以捕获事件的各个维度。在后续的实验中，建议的本体进行评估维基百科事件，它被证明是通用和全面的。此外，为了方便准备金标准数据的事件提取，语言无关的在线工具的基础上COfEE。还准备了由10位人类专家注释的黄金标准数据集，包括24K波斯语新闻文章。最后，我们提出了一种基于深度学习技术的监督方法来自动提取相关事件和相应的演员。
2021-11-10 cs.CL cs.LG
Semantic Evolutionary Concept Distances for Effective Information Retrieval in Query Expansion
Hong Kong Baptist University（香港浸会大学）；University of Perugia（佩鲁贾大学）
在这项工作中，几个语义方法的概念为基础的查询扩展和重新排序方案进行了研究，并与不同的基于本体的扩展方法在Web文档搜索和检索进行了比较。特别是，我们专注于基于概念的查询扩展计划，其中，为了有效地提高精度的Web文档检索，以减少用户的浏览时间，主要目标是快速地为用户提供最合适的查询扩展。在Web文档检索中，查询扩展的两个关键任务是找到扩展候选，即Web文档域中最接近的概念，并对扩展查询进行适当的排序。我们提出的方法，旨在提高扩展阶段更好的Web文档检索和精度。其基本思想是使用PMING距离来测量候选概念之间的距离，PMING距离是一种协作语义接近度度量，即可以通过使用来自web搜索引擎的统计结果来计算的度量。实验结果表明，该方法能为用户提供更满意的扩展结果，提高了Web文档检索的质量。
2017-01-19 cs.AI cs.CL cs.IR
Enhancing Omics Cohort Discovery for Research on Neurodegeneration through Ontology-Augmented Embedding Models
University of Murcia（穆尔西亚大学）；University College London（伦敦大学学院）
针对神经退行性疾病组学数据管理需求，提出NeuroEmbed四阶段本体增强嵌入方法，实现队列样本语义索引，大幅提升检索精度，推动自动化生物信息学流程构建。
2025-06-16 cs.CL
An Ontology-driven Treatment Article Retrieval System for Precision Oncology
本文介绍了一种本体驱动的治疗文章检索系统，该系统使用TREC 2017精准医学轨道提供的数据和地面事实进行开发和实验。我们的系统的关键方面包括：各种疾病，基因和药物名称本体的有意义的整合，训练一个新的感知器模型的文章相关性标签，排名模块，考虑其他因素，如期刊的影响和文章出版年份，和全面的查询匹配规则。实验结果表明，我们提出的系统大大优于TREC 2017精准医学挑战赛的最佳参与系统的结果。
2020-02-13 cs.IR
Improving Toponym Resolution with Better Candidate Generation, Transformer-based Reranking, and Two-Stage Resolution
The University of Arizona（亚利桑那大学）
提出GeoNorm地理编码架构，通过两阶段生成与重排序机制，结合本体信息消解地名歧义，在多数据集上达到SOTA。
2023-05-18 cs.CL
A Hybrid Approach using Ontology Similarity and Fuzzy Logic for Semantic Question Answering
信息检索中的一个挑战是为用户的问题提供准确的答案，这些问题通常被表示为不确定词。大多数答案都是基于句法方法，而不是查询的语义分析。在本文中，我们的目标是提出一个混合的方法，语义问答检索系统使用本体相似度和模糊逻辑。我们使用模糊共聚类算法检索的基础上本体相似度的文档集合。Fuzzy Scale对文档使用Fuzzy type-1，对单词使用Fuzzy type-2来区分答案的优先级。这项工作的目的是提供更准确的答案比非模糊语义本体的方法检索系统。
2017-10-29 cs.IR
The Literary Theme Ontology for Media Annotation and Information Retrieval
文学主题的识别与阐释是文学研究的一个重点。古典形式的文学研究，如细读，蓬勃发展，几乎没有任何需要共同定义的文学主题。然而，随着对小说作品中文学主题的协作和算法分析的普及，以及对大型语料库的计算搜索和索引设施的需求，需要收集共享的文学主题，以确保共同的术语和定义。为了满足这一需求，我们在这里介绍了文学主题本体论的初稿。受传统文学理论框架的启发，本体论包括从作者自己的分析，参考书和在线资源中提取的文学主题。该本体在知识共享署名4.0国际许可（CC BY 4.0）下可在https://github.com/theme-ontology/lto上获得。
2019-08-19 cs.DL cs.IR
Improving Statistical Multimedia Information Retrieval Model by using Ontology
GGS Indraprastha University（GGS 因德拉普拉萨大学）
一个典型的信息检索系统，提供和存储信息之间的匹配问题的用户查询和Web上可用的内容。使用本体表示的形式，由节点，边缘，索引词等网络图的检索方法提供相关性，从而满足用户的查询提取的术语。本文还着重对多媒体文档进行了分析，并利用不同的统计公式对提取的术语进行了计算。所提出的模型减少了语义鸿沟，有效地满足用户的需求。
2017-03-21 cs.AI cs.IR
Ontology Based Pivoted normalization using Vector Based Approach for information Retrieval
所提出的方法是程序性的，即它遵循有限数量的步骤，根据用户的查询提取相关文件。它是基于数据采掘的原理来分析Web数据的。数据采掘首先采用数据集成的方法生成数据仓库。然后，它提取有用的信息，借助算法。表示提取的文档的任务是通过使用基于向量的统计方法来完成的，该方法以术语集合表示每个文档。
2017-03-21 cs.AI cs.IR
Topic Map: An Ontology Framework for Information Retrieval
组织信息的基本分类技术是叙词表、分类法和分面分类法。主题地图是一个相对较新的进入这个信息空间。主题地图标准描述了如何使用XML语法来表示抽象概念和现实世界资源之间的复杂关系。本文探讨了主题地图在信息检索中的内容管理、索引、知识表示、约束规范和查询语言等方面如何与传统技术相结合，以及它的优缺点。主题图的构造用XTM中实现的用例来说明
2010-03-18 cs.DL cs.IR
OntologyRAG: Better and Faster Biomedical Code Mapping with Retrieval-Augmented Generation (RAG) Leveraging Ontology Knowledge Graphs and Large Language Models
提出OntologyRAG，一种利用本体知识图谱增强检索增强生成的方法，无需重训语言模型，通过生成带理由和映射邻近性评估的可解释结果，帮助编码专家更优更快地完成生物医学代码映射。
2025-02-26 cs.IR
Knowledge Pyramid Construction for Multi-Level Retrieval-Augmented Generation
The Hong Kong Polytechnic University（香港理工大学）
针对现有RAG方法重召回、精度不足的问题，本文提出包含三层结构的PolyRAG知识金字塔方法，采用跨层增强、过滤和瀑布式检索策略，在两个领域基准上优于19种SOTA方法，可将GPT-4的F1值提升395%。
2025-02-21 cs.AI cs.CL
Ontology-driven personalized information retrieval for XML documents
Research Laboratory in Computer Science (LARI), Department of Computer Science（计算机科学研究实验室（LARI），计算机科学系）；The Kyoto College of Graduate Studies for Informatics（信息科学研究生学院）
本文提出基于本体的个性化XML文档信息检索方法，通过整合领域本体和用户画像，提升检索效果，实现更精准的个性化匹配。
2026-07-30 cs.IR cs.LG
Data description and retrieval using periods represented by uncertain time intervals
时间段经常用于在元数据和检索中指定时间。然而，描述和检索有关周期的信息并不容易，因为周期表示的时间范围通常是模糊的。这是因为这些时间范围没有固定的起点和终点。为了解决这个问题，基本逻辑描述和处理不确定的时间间隔在这项研究中开发。不确定时间间隔被表示为一组时间间隔，其指示当确定不确定时间间隔时的状态。在此基础上，建立了满足给定条件的不确定时间间隔检索逻辑，揭示了检索结果分为可靠匹配、不可能匹配和可能匹配三种状态.此外，为了描述不确定时间段的数据，基于该逻辑构建了一个本体（HuTime本体）。这个本体的特点是不确定的时间间隔可以递归地定义。预计将使用本研究的结果创建和发布更多关于时间段的数据。
2019-12-29 cs.DB cs.IR
Ontology-based Secure Retrieval of Semantically Significant Visual Contents
图像分类是一个热门的研究领域，它根据图像的视觉内容将大量的图像数据分类为不同的类别。研究人员已经提出了各种基于低层次特征的技术，用于将图像分类为不同的类别。然而，由于视觉内容的复杂性，高效和有效的分类和检索仍然是一个具有挑战性的问题。此外，传统的信息检索技术容易受到安全风险的影响，使得攻击者很容易检索到患者记录和执法机构数据库等个人视觉内容。因此，我们提出了一种新的基于本体的框架，使用图像隐写安全的图像分类和信息检索。该框架使用特定领域的本体映射的低层次的图像特征，从而导致高效的分类的高层次概念的本体。此外，所提出的方法利用图像隐写隐藏图像语义作为一个秘密的消息在他们里面，使信息检索过程安全的第三方。所提出的框架最大限度地减少了传统技术的计算复杂性，增加了其适用于安全和实时的个性化图像数据库中的视觉内容检索。实验结果证实了效率，有效性和安全性所提出的框架相比，与其他国家的最先进的系统。
2015-10-08 cs.IR cs.MM
User Centered and Ontology Based Information Retrieval System for Life Sciences
由于电子数据的数量不断增加，设计检索和利用文件的有效工具是一项重大挑战。当前的搜索引擎有两个主要缺点：与检索到的文档列表的交互有限，并且没有解释它们是否适合查询。因此，用户可能会对选择感到困惑，并且不知道如何调整他们的查询，以便结果符合他们的期望。本文描述了一种基于聚集模型的请求方法和环境，以评估由本体概念标注的文档的相关性。选择的文件，然后显示在一个语义图，以提供图形化的指示，使明确到什么程度，他们匹配用户的查询，这种人/机界面有利于数据语料库的更具交互性的探索。
2010-12-07 cs.IR
Ontology Learning and Knowledge Graph Construction: A Comparison of Approaches and Their Impact on RAG Performance
本文比较了不同知识图谱构建策略对RAG性能的影响，发现融合文本块信息的本体引导知识图谱性能优于向量检索基线，且基于关系数据库构建的本体引导知识图谱在性能相当的同时，具有降低LLM使用成本和避免本体合并复杂性的双重优势。
2025-11-08 cs.AI cs.IR
G-Bean: an ontology-graph based web tool for biomedical literature retrieval
目前，大多数人使用PubMed搜索MEDLINE数据库，这是生命科学和生物医学信息的重要书目信息源。然而，PubMed有一些缺点，使得很难找到与用户个人意图有关的相关出版物，特别是对于非专家用户。为了改善PubMed的不足，我们开发了一个基于图的生物医学搜索引擎G-Bean，它通过三个方面的创新来解决PubMed的不足：并行文档索引创建、基于本体图的查询扩展和基于用户搜索意图的文档检索和重新排序。使用106个OHSUMED基准查询的性能评估显示，当使用这些查询搜索MEDLINE数据库时，G-Bean返回的相关结果比PubMed更多。PubMed甚至无法返回某些OHSUMED查询的任何检索结果，因为它无法从自然语言查询字符串自动形成适当的布尔查询语句。G-Bean可在http://bioinformatics.clemson.edu/G-Bean/index.php.G-Bean上获得，它通过基于本体图的查询扩展、自动文档索引和用户搜索意图发现来解决PubMed的局限性。它在从MEDLINE数据库中查找相关文章以满足用户的信息需求方面显示出显着的优势。
2015-08-31 cs.IR
HyEm: Query-Adaptive Hyperbolic Retrieval for Biomedical Ontologies via Euclidean Vector Indexing
Waseda University（早稻田大学）
HyEm通过结合双曲本体嵌入与欧几里得ANN基础设施，解决生物医学本体中层次感知的检索问题，提升实体中心查询和混合意图查询性能，保持索引可扩展性。
2026-01-26 cs.DB cs.IR
Ontology-Guided Query Expansion for Biomedical Document Retrieval using Large Language Models
University of California Riverside（加州大学河滨分校）；Friedrich Schiller University Jena（施莱尔大学耶拿分校）
本文提出本体感知查询扩展流程BMQExpander，融合UMLS医学知识与大型语言模型生成能力，在三个生物医学IR基准上显著提升检索性能，并在查询扰动下表现稳健且幻觉更少。
2025-08-15 cs.IR cs.LG
How a General-Purpose Commonsense Ontology can Improve Performance of Learning-Based Image Retrieval
University of Toronto（多伦多大学）；Pontificia Universidad Católica de Chile（智利天主教大学）；Chilean Center for Semantic Web Research（智利语义网研究中心）
知识表示社区已经构建了通用本体，其包含关于世界的相关方面的大量常识知识，包括有用的视觉信息，例如：“球被足球运动员使用”，“网球运动员位于网球场”。目前最先进的视觉识别方法不利用这些基于规则的知识源。相反，它们直接从训练样本中学习识别模型。在本文中，我们研究如何通用本体-具体地说，麻省理工学院的ConceptNet本体-可以提高最先进的视觉系统的性能。作为一个测试平台，我们解决了基于图像检索的问题。我们的检索方法将ConceptNet中的知识结合在来自深度学习技术的大型对象检测器池之上。在我们的实验中，我们表明ConceptNet可以提高通用基准数据集的性能。我们性能的关键是使用ESPGAME数据集从ConceptNet中选择视觉相关的关系。因此，这项工作的一个主要结论是，通用常识本体提高性能的视觉推理任务时，适当过滤，选择有意义的视觉关系。
2017-05-24 cs.AI cs.CV cs.IR
Ontology Based Query Expansion Using Word Sense Disambiguation
现有的信息检索技术没有考虑用户查询中存在的关键字的上下文。因此，搜索引擎有时不能向用户提供足够的信息。必须开发基于用户关键字语义的新方法，以便在广阔的网络空间中进行搜索而不会导致信息丢失。基于语义的信息检索技术需要理解用户查询中概念的含义。这将提高搜索结果的查全率。因此，本文的研究重点是基于概念的语义信息检索。这项工作是基于词义消歧，词库WordNet和本体的任何领域的检索信息，以捕捉特定的概念（S）的上下文，并发现它们之间的语义关系。
2010-03-07 cs.IR
Semantic Information Retrieval Using Ontology In University Domain
当今的传统搜索引擎几乎不提供与用户的搜索查询相关的基本内容。这是因为用户发出的请求的上下文和语义没有得到充分的分析。因此，这里需要一个语义Web搜索出现。SWS即将进入结合了自然语言处理和人工智能的网络搜索领域。本文所做工作的目的是设计、开发和实现一个面向大学领域的语义搜索引擎-- SIEU（Semantic信息抽取in University Domain）。SIEU使用本体作为信息检索过程的知识库。这不仅仅是一个关键字搜索。它是一个层次以上的谷歌或任何其他搜索引擎检索分析只是关键字。在这里，从语法和语义两方面分析查询。所开发的系统检索的Web结果更相关的用户查询，通过关键字扩展。这里获得的结果将足够准确，以满足用户的要求。由于对查询进行了语义分析，因此准确率将得到提高。该系统对从事网络开发的人员和研究人员具有一定的参考价值。Google搜索结果将重新排名并优化，以提供相关链接。为了排名，已经应用了一种算法，该算法为用户查询获取更合适的结果。
2012-07-24 cs.IR
Auditable by Construction: An Ontology-Driven Framework for Trustworthy LLM Analytics in Enterprise Finance
本文针对企业金融大语言模型应用的信任问题，提出知识驱动分析框架KDAF，结合本体与CARP技术，在FinanceBench评估中，其可审计性优于基线方法，表明可审计性是该框架的核心优势。
2026-08-24 cs.AI cs.CE cs.CL
OMD-GraphRAG: Enhancing GraphRAG with Ontology-Guided Extraction, Multi-Dimensional Clustering and Dual-Channel Fusion
Data Science & Artificial Intelligence Research Institute（数据科学与人工智能研究院）
提出OMD-GraphRAG框架，通过本体引导知识提取、多维社区聚类和双通道图检索融合，提升GraphRAG在复杂推理和多跳查询中的性能。
2026-05-26 cs.AI cs.IR
Evidence Units: Ontology-Grounded Document Organization for Parser-Independent Retrieval
GenApp Tech, KT (Korea Telecom)（GenApp Tech，KT（韩国电信））
本文提出证据单元(EUs)以解决结构化文档碎片化问题，通过本体引导的角色规范化、语义全局分配算法和图决策层，提升检索性能，实验显示检索LCS提升0.31，Recall@1增加3.4倍。
2026-04-01 cs.IR
A model of Cross Language Retrieval for IT domain papers through a map of ACM Computing Classification System
本文提出了一个概念模型，以及相关的工具，以帮助高级学习者找到改编的书目。其目的是使用IT代表作为研究新人的教育研究软件。我们使用基于ACM的计算分类系统的本体，以便在没有任何正式请求的情况下找到与新研究人员的领域直接相关的科学文章。本体翻译在法国自动提出，可以基于Web 2.0增强了社区的用户。提出了一个可视化和导航模型，使其更容易访问，并给出了例子来展示我们的工具的界面：本体导航。
2011-11-30 cs.DL cs.HC cs.IR
OnSET: Ontology and Semantic Exploration Toolkit
提出OnSET系统，通过主题建模和语义搜索提供视觉指导，支持非专家用户无需先验知识即可在普通硬件上使用基于节点的编辑器探索大型知识图谱与本体。
2025-04-11 cs.IR
WNtags: A Web-Based Tool For Image Labeling And Retrieval With Lexical Ontologies
Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算学院）
互联网上越来越多的图像文档不断激发人们对更好的标注模型和更有效的检索方法的研究。图片中的对象和事件的正式知识表示、它们的交互以及上下文复杂性不再是高质量图像存储库的选项，而是必需的。我们提出了一个基于本体的在线图像标注工具WNTags，并证明了它的有用性，在几个典型的多媒体检索任务使用国际情感图片系统情感标注的图像数据库。WNTags是围绕WordNet词汇本体构建的，但认为建议的上层合并本体是首选的标记形式主义。WNTags使用加权WordNet同义词集作为高级图像语义描述符，并使用词干和节点距离度量进行查询匹配。我们还阐述了我们不久的将来计划，以扩大与诱导影响的图像内容的描述，在人类的情感和注意力的研究刺激。
2017-12-05 cs.AI cs.IR cs.MM
An ontology-based approach for semantics ranking of the web search engines results
这项工作属于信息检索和语义网领域，旨在提高网络搜索工具的评价。事实上，网络上的大量信息以及新的无经验用户的增长为信息检索带来了新的挑战;当然，当前的搜索引擎（如Google、Bing和Yahoo）提供了浏览网络内容的有效方式。然而，这种类型的工具没有考虑到由查询词和文档词驱动的语义。本文提出了一种新的基于语义的方法来评估信息检索系统，其目标是增加搜索工具的选择性，并改善这些工具的评估。对所提出的评价搜索引擎的方法进行了测试，证明了它对实际搜索工具的适用性。结果表明，语义评估是一种很有前途的方法，以提高性能和行为的搜索引擎以及相关的结果，他们返回。
2012-12-11 cs.IR
A Semantic Enhanced Model for effective Spatial Information Retrieval
Jawaharlal Nehru Technological University（贾瓦哈拉尔·尼赫鲁科技大学）；Tshwane University of Technology（茨瓦内理工大学）
网络上的很多信息都有地理参考。发现和检索这些地理信息，以满足各种用户的需求，在开放和分布式空间数据结构（SDI）提出了突出的研究挑战。然而，这主要是由于用户查询的语义异构性和缺乏地理信息（GI）元数据的语义引用。为了解决这些问题，本文讨论了基于本体的语义增强模型，它显式地表示地理信息元数据，并提供每个实体的链接RDF实例。该系统重点关注语义搜索、本体和高效的空间信息检索。具体地，使用特定域信息抽取来改进对经排名的空间搜索结果的搜索和检索的集成模型。
2014-06-08 cs.AI cs.IR cs.IT
Ontology-based Adaptive e-Textbook Platform for Student and Machine Co-Learning
电子教科书（e-book）因其灵活性、可访问性、交互性和可扩展性，多年来一直受到广泛研究。然而，目前电子书的缺点，这往往只是一个数字化版本的原始书籍，并不鼓励采用。因此，这导致了对电子书的重新思考，应该结合当前的技术来增强其功能，其中包括信息搜索和组织工具已被证明是有利的。本文从信息检索的角度出发，对如何在这类工具中加入智能进行了初步的研究。首先介绍了以较小的开销构建电子图书素材的知识图谱。然后通过随机游走执行通过类型化相似性查询的信息检索。案例研究表明了该电子书平台的适用性，在电子教材领域具有广阔的应用前景和发展前景。
2018-01-20 cs.DL cs.IR
Visual Concept Ontology for Image Annotations
尽管基于内容的数据管理得到了发展，但基于文本的检索仍然是许多领域多媒体检索的主要手段。因此，文本元数据的自动创建是增加多媒体对象的可查找性的重要工具。基于搜索的注释工具试图通过利用web数据来提供内容描述性关键字，这些数据很容易获得，但非结构化和嘈杂。这些数据需要在语义资源的帮助下进行分析，这些语义资源提供了关于给定领域中对象和关系的知识。在本文中，我们专注于通用图像注释的任务，并提出了VCO，一个新的本体的视觉概念开发的图像注释框架的一部分。本体与WordNet词汇数据库链接，因此注释工具可以轻松地集成来自这两个资源的信息。
2014-11-28 cs.DL cs.IR
Concept-aware Geographic Information Retrieval
文本查询被广泛应用于信息检索中，以使用户能够以自然的方式指定搜索目标。然而，用户和系统术语的差异可能会对确定用户的信息需求造成挑战，从而影响相关结果的生成。我们认为，本体知识的明确管理，概念的意义（通过整合系统本体中的语言学和语言学知识），可以提高搜索查询的分析，因为它可以灵活地识别用户正在搜索的主题，无论采用的词汇。提出了一种基于语义概念识别的信息检索支持模型。该模型从识别搜索查询所指的本体概念开始，利用查询中指定的限定符来选择基于可能的细粒度特征的信息项。此外，它支持查询扩展和重构，建议探索语义相似的概念，以及通过主题关系查询中提到的概念。对使用OnToMap分解式地理信息系统收集的数据集进行的测试表明，这种方法提供了准确的结果。
2020-03-30 cs.IR
Semantic Search using Spreading Activation based on Ontology
Trường Đại học Tôn Đức Thắng（孙德胜大学）
目前，文本文档检索系统在探索查询和文档的语义方面存在许多挑战。每一个查询都隐含着查询中没有出现的信息，但与信息相关的文档也是用户所期望的。以前的扩散激活算法的缺点是许多不相关的概念添加到查询。本文提出了一种新的算法，该算法只激活和添加与查询中的原始实体和查询中的显式关系相关的命名实体。
2019-05-09 cs.AI cs.IR
Information retrieval in Current Research Information Systems
本文描述了科研信息系统的需求和研制过程中出现的问题。这里展示了哪些问题可以通过使用知识标记技术来解决。提供了研究信息系统的本体。描述了用于收集研究数据并提供对其的访问的体系结构。
2001-10-10 cs.DL cs.IR
A Qualitative Representation and Similarity Measurement Method in Geographic Information Retrieval
现代地理信息检索技术是建立在定量模型和方法基础上的。Web文档和查询中的语义信息不能被有效地表示，导致信息丢失或误解，从而导致结果不可靠或不一致。提出了一种基于定性表示、语义匹配和定性推理的地理信息检索的定性方法。定义了一种定性表示模型和相应的相似性度量方法。文档中的信息和用户查询使用命题逻辑表示，综合考虑了主题和地理语义。在领域本体的基础上，将主题信息表示为主题命题。同样，空间信息在地理知识库的支持下表示为地理空间命题。然后将相似性分为主题相似性和空间相似性。前者通过领域本体中命题关键词的加权距离计算，后者的相似度进一步分为概念相似度和空间相似度。相似性度量以命题和信息单元为代表，可以采用证据理论和模糊逻辑来组合所有子相似性，得到文档和查询之间的最终相似性。该检索方法主要用于检索定性地理信息，支持语义匹配和结果排序。它不涉及几何计算，符合人类的常识认知，从而可以提高地理信息检索技术的效率。
2013-11-19 cs.IR
Semantic Query Optimisation with Ontology Simulation
毫无疑问，语义Web在工业界和学术界都获得了发展势头。“语义”这个词指的是“意义”--语义网是一个意义之网。在这个快速变化和以结果为导向的现实世界中，一个人不得不在互联网上努力寻找信息的日子已经过去了，知识管理是主要问题。语义网的愿景是链接、整合和分析来自各种数据源的数据，并形成一个新的信息流，因此是一个相互连接的数据库网络，机器与其他机器相互作用，以产生面向用户的准确结果。随着语义Web框架的出现，在句法Web上搜索信息的简单方法已经过时了。本文提出了一种优化的语义搜索的关键字举例模拟本体的印度大学提出的算法，衍生出有效的语义检索的信息，易于访问和节省时间。
2010-11-01 cs.IR
Search for Hidden Knowledge in Collective Intelligence dealing Indeterminacy Ontology of Folksonomy with Linguistic Pragmatics and Quantum Logic
信息检索不仅是Web上最常见的应用，而且是各种应用的基础。考虑到集体智慧的群体的个人作为一个框架，评估和纳入新的经验和信息，我们往往不能检索这样的知识是隐性的。隐性知识是许多竞争能力的基础，在离散的本体结构上很难表达。它是非结构化或无组织的，因此仍然是隐藏的。开发能够找到隐藏知识的通用解决方案是非常复杂的。这对语义技术的开发者来说也是一个巨大的挑战。这项工作的目的是探索如何使隐性知识隐藏在组织内的协作环境的集体智慧明确和可用。该环境由多面语义搜索支持的大众分类法定义。采用向量空间模型来表示和操作大众分类法的意义，该模型与量子理论的数学工具相类似。向量空间检索是一种有效的数据检索方法，在不存在数据行为的情况下，向量空间检索的排序算法涉及的元素类型少，运算量小。当提出查询时，找到用户心中所想的解决方案可以基于被理解为内容的创建者和内容的读者的联合联系的“联合意义”。联合意义的提出是为了解决大众分类法在本体论上的不确定性、集体智慧上的不完全性和不一致性。随着实际社交网络（如Facebook、LinkedIn等）的发展，为协作环境构建了一个概念验证原型。在RIA应用程序上使用语义Web技术和技术的信息可视化。
2011-05-24 cs.IR
Ontology-Based Query Expansion with Latently Related Named Entities for Semantic Text Search
Ho Chi Minh City University of Technology（胡志明市理工大学）
传统的信息检索系统通过关键字集合来表示文档和查询。然而，文档或查询的内容主要由其中出现的关键字和命名实体定义。命名实体具有本体特征，即它们的别名、类和标识符，这些特征从它们的文本外观中隐藏。此外，查询的含义可能隐含与查询中的显式实体相关的潜在命名实体。提出了一种基于本体的广义向量空间模型来进行语义文本搜索。它利用命名实体及其潜在相关实体的本体特征来揭示文档和查询的语义。我们还提出了一个框架，结合不同的本体，以发挥其互补优势的语义标注和搜索。在基准数据集上的实验表明，我们的模型比其他模型具有更好的搜索质量。
2018-07-15 cs.AI cs.IR
5W1H+Which: Context-Valid Semantic Indexing with Progressive Ontology Binding
PwC China AI Center（普华永道中国人工智能中心）；Tsinghua University（清华大学）
提出5W1H+Which语义索引，分离内容提取与本体绑定，通过渐进式绑定和上下文约束提升跨任务证据覆盖，并计划用事实图基线验证其可测试性。
2026-10-27 cs.AI cs.CL cs.IR
A Hybrid Approach to Finding Relevant Social Media Content for Complex Domain Specific Information Needs
虽然当代的语义搜索系统提供了改进经典的基于关键字的搜索，但它们并不总是足以满足复杂的特定领域的信息需求。例如，处方药滥用领域需要本体概念和“可理解的构造”的知识，而这些知识通常不在本体中建模。这些可理解的结构传达了重要的信息，包括强度，频率，间隔，剂量和情绪的概念，这可能是重要的信息寻求者的整体需求。我们提出了一种特定于领域的信息检索（或知识感知搜索）的混合方法，该方法将本体驱动的查询解释与基于同义词的查询扩展和特定于领域的规则集成在一起，以促进社交媒体中的搜索。我们的框架是基于一个上下文无关文法（CFG），定义了查询语言的结构可解释的搜索系统。该语法提供了两个级别的语义解释：1）顶层CFG，其便于检索属于广泛模板的不同文本模式;以及2）底层CFG，其使得能够解释属于此类模式的某些特定表达。这些低级表达式作为来自四种不同数据类别的概念出现：1）本体概念; 2）词汇概念（如情感和情绪）; 3）仅用部分本体表示的词典中的概念，称为词典本体概念（如副作用和给药途径（ROA）），和4）结构域特异性表达（如日期、时间、间隔、频率和剂量）。我们的方法体现在一个新的语义Web平台，称为PREDOSE处方药滥用流行病学开发。关键词：知识感知搜索，本体，语义搜索，背景知识，上下文无关文法
2014-11-13 cs.IR
Formal Concept Analysis for Information Retrieval
在本文中，我们描述了一种机制，以提高信息检索（IR）在Web上。该方法是基于形式概念分析（FCA），它是在查询过程中的语义关系，并允许重组，在一个概念格的形状，由搜索引擎提供的答案。提出了一种基于伽罗瓦格的增量式算法。该算法允许对数据源进行正式的聚类，并将其翻转的结果按相关性的顺序进行分类。在聚类过程中利用了相关性的控制，通过在图像处理领域中引入本体来改进聚类结果，并对用户查询进行了重新定义，使得能够给出更多的相关文档。
2010-03-07 cs.IR
